论文摘要
为准确识别工业图像中的目标零件,提出一种改进的YOLOV3目标识别算法。结合K-means聚类与粒子群优化算法进行锚框计算,以降低初始点对聚类结果的影响,加快算法收敛速度。同时在YOLOV3网络shortcut层嵌入SENet结构,得到SE-YOLOV3网络。对零件图像进行数据增强并加入零件标注,制作包含10 816张图片的样本集,用于算法训练和测试。实验结果表明,该算法能够获得平均交并比为83.01%的锚框,当样本图像存在较多残缺零件干扰时,YOLOV3存在将背景识别为零件的情况,其查准率与查全率分别为72.11%和97.51%,而SE-YOLOV3能有效减少假正例数量,其查准率与查全率分别为90.39%和93.25%。
论文目录
文章来源
类型: 期刊论文
作者: 刘学平,李玙乾,刘励,王哲,刘宇
关键词: 目标识别,卷积神经网络,结构,网络,粒子群优化算法
来源: 计算机工程 2019年11期
年度: 2019
分类: 信息科技
专业: 计算机软件及计算机应用,自动化技术
单位: 清华大学深圳研究生院,清华大学机械工程系,长虹智能制造技术有限公司
基金: 国家自然科学基金(51475263)
分类号: TP391.41;TP18
DOI: 10.19678/j.issn.1000-3428.0052861
页码: 243-248
总页数: 6
文件大小: 1535K
下载量: 1360